更多

<br><br>這類毛病經常在機械翻譯出現，但若是只為了句子的語義問題就反覆修改神經網路，其實不太有效率，是以 Google 團隊在進行研究後，直接推出一套搭載解決方案的新型翻譯系統「Transformer」翻譯" data-reactid="23">可是在說話理解上，機械經常會晤臨一些語意的理解問題，像是「bank」同時有銀行、河岸等多種意思，在不合的文法句子中，人們很快就可以按照前後文揣度出代表的意義，但逐字翻譯的演算法很有可能出錯，因為它沒法必定哪一個意思才是精確的。

" data-reactid="22">機械進修（Machine learning）已證實是很有效的翻譯對象，但在人們操縱語言的轉變多元環境下，偏向逐字逐句翻譯的機械仍可能顯現嚴重毛病，Google 負責研究的部門近日發文註釋了這個問題，和他們找到的解決方案。

在 Google 團隊的測試中，Transformer 系統非論在「英文→德文」或是「英文→法文」的翻譯中，在 BLEU 評價都勝過哄騙 RNN 和卷積神經網路（CNN）的翻譯系統。

其實不僅 Google，翻譯公司 DeepL 也正在開發雷同的關注機制，連系開創人 Gereon Frahling 甚至認為，他們的版本將比 Google 的系統更好。

看更多 科技新報 的相關文章：
離線也能重播經驗進修，DeepMind 讓 AI 學會「打瞌睡兒」
DeepMind 開辦人：AI 要揭露出真正潛力，得從人類聰明中獲得更多靈感

奇努克語翻譯<br><br>有趣的是，在關注機制之下，人們得以一窺翻譯系統的思慮邏輯：在 Google 團隊的設定中，Transformer 系統會針對每個「單詞」與「單詞」間的相關性給予評分，是以翻譯公司可以看到哪些它認為是相幹的，哪些又認為是可有可無翻譯" data-reactid="24">在 Transformer 系統中有設定所謂的「關注機制」（Attention Mechanism），在這個機制設定下，系統會將句子中每個單詞配對比較，來查看個中是不是存在任何一個單詞，會以某種要害編制產生彼此影響，進而理解是「他」照舊「她」在措辭，又或者「bank」代表河岸照樣銀行。<br><br>其實不但 Google，翻譯公司 DeepL 也正在斥地近似的關注機制，結合首創人 Gereon Frahling 乃至認為，他們的版本將比 Google 的系統更好。

只是在翻譯上，機械可能還有很多需要學習，事實措辭總是有一些意義不明白的詞，像是英文的它（it），可所以街道、動物也許多事物，人的大腦會主動分辯並理解，但機械就照樣需要「補習」了翻譯